基于ANC软件用户的APCS系统，目前越来越庞大，用户数量已经超过了百万人，APCS系统收集的异步无序计算力，跨越了1000tflops的高度。

不过，随着APCS系统越来越庞大，APCS系统收集计算力的增幅，也越来越缓慢。

依旧是因为APCS系统固有的缺陷！

APCS系统确实存在缺陷，并非南林归一的技术不够先进，也不是巴特勒无法管理更多的Pvot支点，而是因为随着Pvot支点的增加，巴特勒需要消耗更多的资源却管理它们，并且有序的分配它们执行任务。

简单来说，APCS系统收集计算力，存在一个极限瓶颈，一旦到达了瓶颈状态，即增加的Pvot支点性能与巴特勒需要管理Pvot支点所付出的计算力一致的时候，APCS系统便会达到饱和状态。

举一个例子说明，如果ANC拥有一千五百万用户的时候，巴特勒需要5000tflops的计算力管理它们。现在又增加了100万ANC用户，这100万ANC用户带来了1000tflops的计算力资源。

但是，在1500万用户的基础上，再加100万用户，巴特勒需要消耗1000tflops的计算力资源去管理它们。

那么，增加100万用户，增加了1000tflops的计算力资源，又消耗了1000tflops的计算资源管理它们，是不是在白费劲？

不！

不是白费劲！

应该是更费劲！

巴特勒管理1500万个Pvot支点与1600万个Pvot支点的难度，并非一样的程度。事实上，需要管理的Pvot支点越多，对于巴特勒的压力越大。

因为，管理更多的Pvot支点，便会遇见更多的突事件。

依旧举例说明，当南林归一需要计算力资源的时候，巴特勒先会在APCS系统里面，筛选计算力更强大，网络环境更优秀，使用状态更稳定的单个Pvot支点。

简单来说，便是择优筛选！

如果南林归一需要200tflops的计算资源，巴特勒会筛选大约十多万至二十多万Pvot支点，为南林归一汲取更优秀的异步无序计算力。

不过，即便是十多二十万个Pvot支点，也是很难管理的事情。因为，在南林归一执行任务的时候，任何一个Pvot支点，都有可能生问题。

一旦生了问题，巴特勒需要转移负载，将生问题的Pvot支点，所承担的工作任务，在极短时间内，分配到另外一个Pvot支点。

基于这样的规则，在汲取异步无序计算力的时候，巴特勒其实进行了两次择优筛选工作，第一次择优筛选的Pvot支点，直接成为异步无序计算力的提供支点。

然后第二次择优筛选的Pvot支点，则成为了备用支点。当正在使用的Pvot支点生了问题，备用支点立刻顶上去。

由于这样的规则，如果巴特勒管理了上千万个Pvot支点，那会遇见多少问题？应该是每一秒钟，都会生大量问题呢！